Mastering Vector Databases for Scalable AI Solutions Počítačový Kurz

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce, kteří chtějí použít H2O AutoML k automatizaci procesu vytváření a výběru nejlepšího algoritmu a parametrů strojového učení.

Na konci tohoto školení budou účastníci schopni:

• Automatizujte pracovní postup strojového učení.
• Automaticky trénujte a vylaďte mnoho modelů strojového učení ve stanoveném časovém rozsahu.
• Trénujte naskládané soubory, abyste dosáhli vysoce prediktivních modelů souborů.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na praktiky strojového učení, kteří chtějí používat Auto-sklearn k automatizaci procesu výběru a optimalizace modelu strojového učení.

Na konci tohoto školení budou účastníci schopni:

• Automatizujte proces trénování vysoce účinných modelů strojového učení.
• Vytvářejte vysoce přesné modely strojového učení a vyhýbejte se únavnějším úkolům výběru, školení a testování různých modelů.
• Využijte sílu strojového učení k řešení skutečných obchodních problémů.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce i méně technické osoby, které chtějí používat Auto-Keras k automatizaci procesu výběru a optimalizace modelu strojového učení.

Na konci tohoto školení budou účastníci schopni:

• Automatizujte proces trénování vysoce účinných modelů strojového učení.
• Automaticky vyhledávejte nejlepší parametry pro modely hlubokého učení.
• Vytvářejte vysoce přesné modely strojového učení.
• Využijte sílu strojového učení k řešení skutečných obchodních problémů.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na středně pokročilé až pokročilé datové vědce, inženýry strojového učení, výzkumníky hlubokého učení a odborníky na počítačové vidění, kteří si chtějí rozšířit své znalosti a dovednosti v oblasti hlubokého učení. pro generování textu na obrázek.

Na konci tohoto školení budou účastníci schopni:

Pochopte pokročilé architektury hlubokého učení a techniky pro generování textu na obrázek. Implementujte složité modely a optimalizace pro vysoce kvalitní syntézu obrazu. Optimalizujte výkon a škálovatelnost pro velké datové sady a složité modely. Vylaďte hyperparametry pro lepší výkon modelu a zobecnění. Integrujte Stable Diffusion s dalšími rámci a nástroji hlubokého učení

Toto živé školení vedené instruktorem (online nebo na místě) je zaměřeno na datové vědce, inženýry strojového učení a výzkumníky počítačového vidění, kteří chtějí využít Stable Diffusion k vytvoření vysoce kvalitních obrázků pro různé případy použití.

Na konci tohoto školení budou účastníci schopni:

Pochopte principy Stable Diffusion a jak to funguje pro generování obrázků. Vytvářejte a trénujte Stable Diffusion modely pro úlohy generování obrázků. Aplikujte Stable Diffusion na různé scénáře generování obrázků, jako je malování, překreslování a překlad z obrázku na obrázek. Optimalizujte výkon a stabilitu Stable Diffusion modelů.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na biology, kteří chtějí porozumět tomu, jak AlphaFold funguje, a používat modely AlphaFold jako průvodce ve svých experimentálních studiích.

Na konci tohoto školení budou účastníci schopni:

• Pochopit základní principy AlphaFold.
• Přečtěte si, jak funguje AlphaFold.
• Naučte se interpretovat AlphaFold předpovědi a výsledky.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí použít TensorFlow Lite k nasazení modelů hlubokého učení na vestavěných zařízeních.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte Tensorflow Lite na vestavěném zařízení.
• Porozumět základním konceptům a komponentám TensorFlow Lite.
• Převeďte existující modely do formátu TensorFlow Lite pro spuštění na vestavěných zařízeních.
• Pracujte v rámci omezení malých zařízení a TensorFlow Lite a zároveň se naučte, jak rozšířit rozsah operací, které lze provozovat.
• Nasaďte model hlubokého učení na vestavěném zařízení se systémem Linux.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí používat TensorFlow Lite k vývoji mobilních aplikací s možnostmi hlubokého učení.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte TensorFlow Lite.
• Pochopte principy TensorFlow, strojového učení a hlubokého učení.
• Načtěte modely TensorFlow do zařízení Android.
• Povolte v mobilní aplikaci funkce hlubokého učení a strojového učení, jako je počítačové vidění a rozpoznávání přirozeného jazyka.

Toto živé školení vedené instruktorem (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí používat TensorFlow Lite k vývoji mobilních aplikací pro iOS s možnostmi hlubokého učení.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte TensorFlow Lite.
• Pochopte principy TensorFlow a strojového učení na mobilních zařízeních.
• Načtěte modely TensorFlow do zařízení iOS.
• Spusťte aplikaci pro iOS schopnou detekovat a klasifikovat objekt zachycený prostřednictvím fotoaparátu zařízení.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na inženýry, kteří chtějí psát, načítat a spouštět modely strojového učení na velmi malých vestavěných zařízeních.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte TensorFlow Lite.
• Nahrajte modely strojového učení do vestavěného zařízení, aby bylo možné detekovat řeč, klasifikovat obrázky atd.
• Přidejte AI do hardwarových zařízení, aniž byste se spoléhali na síťové připojení.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na výzkumníky a vývojáře, kteří chtějí používat Chainer k budování a trénování neuronových sítí v Python a zároveň usnadňují ladění kódu.

Na konci tohoto školení budou účastníci schopni:

• Nastavte potřebné vývojové prostředí pro zahájení vývoje modelů neuronových sítí.
• Definujte a implementujte modely neuronových sítí pomocí srozumitelného zdrojového kódu.
• Provádějte příklady a upravujte stávající algoritmy, abyste optimalizovali tréninkové modely hlubokého učení a zároveň využili GPU pro vysoký výkon.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře nebo datové vědce, kteří chtějí používat Horovod ke spouštění distribuovaných školení hlubokého učení a jeho rozšíření tak, aby běželo paralelně na více GPU.

Na konci tohoto školení budou účastníci schopni:

• Nastavte potřebné vývojové prostředí, abyste mohli zahájit školení hlubokého učení.
• Nainstalujte a nakonfigurujte Horovod pro trénování modelů pomocí TensorFlow, Keras, PyTorch a Apache MXNet.
• Škálujte trénink hlubokého učení s Horovodem tak, aby běžel na více GPU.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce, kteří chtějí urychlit aplikace strojového učení v reálném čase a nasadit je ve velkém měřítku.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte sadu nástrojů OpenVINO.
• Urychlete aplikaci počítačového vidění pomocí FPGA.
• Proveďte různé vrstvy CNN na FPGA.
• Škálujte aplikaci na více uzlech v clusteru Kubernetes.

Toto živé školení vedené instruktorem (online nebo na místě) je zaměřeno na datové vědce, kteří chtějí použít Apache MXNet k vytvoření a nasazení modelu hlubokého učení pro rozpoznávání obrázků.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte Apache MXNet a jeho součásti.
• Pochopte architekturu a datové struktury MXNet.
• Používejte nízkoúrovňová a vysokoúrovňová rozhraní API Apache MXNet k efektivnímu vytváření neuronových sítí.
• Vybudujte konvoluční neuronovou síť pro klasifikaci obrázků.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na technické osoby, které chtějí aplikovat model hlubokého učení na aplikace pro rozpoznávání obrázků.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte Keras.
• Rychle vytvořte prototyp modelů hlubokého učení.
• Implementujte konvoluční síť.
• Implementujte rekurentní síť.
• Spusťte model hlubokého učení na CPU i GPU.